基于胸片的肺部結(jié)節(jié)自動(dòng)檢測(cè)方法研究.pdf

1、眾說(shuō)周知,肺癌是惡性程度最高的腫瘤之一,如果能早期發(fā)現(xiàn),積極治療,患者的存活率就能得到有效提高,因此肺癌的早期診斷研究具有重要的意義。早期肺癌在醫(yī)學(xué)影像學(xué)上通常表現(xiàn)為孤立性的肺結(jié)節(jié),它在胸片圖像中通常表現(xiàn)為圓形或近似圓形的致密影,僅憑肉眼是很難將肺結(jié)節(jié)和肺部軟組織區(qū)分開的。
　　近年來(lái),計(jì)算機(jī)模式識(shí)別與醫(yī)學(xué)的交叉領(lǐng)域是一個(gè)新興的發(fā)展方向,可有效地輔助醫(yī)生進(jìn)行診斷和治療。在醫(yī)生看片之前先使用計(jì)算機(jī)進(jìn)行自動(dòng)輔助識(shí)別,標(biāo)記出其中可能為結(jié)

2、節(jié)的位置再呈現(xiàn)給醫(yī)生進(jìn)行診斷,這將大大降低工作強(qiáng)度,提高閱片效率,同時(shí)還克服了人眼對(duì)灰度不敏感帶來(lái)的誤差,有效提高檢測(cè)的準(zhǔn)確率。因此,基于胸片的肺結(jié)節(jié)計(jì)算機(jī)輔助檢測(cè)方法的研究和應(yīng)用得到了越來(lái)越多的科研工作者和醫(yī)生的關(guān)注。
　　本文主要研究針對(duì) X光胸片的肺部結(jié)節(jié)自動(dòng)檢測(cè)方法,首先回顧了肺結(jié)節(jié)計(jì)算機(jī)輔助檢測(cè)算法的研究現(xiàn)狀和發(fā)展,然后從四個(gè)基本步驟依次展開分別進(jìn)行研究,重點(diǎn)探索了基于改進(jìn)的活動(dòng)形狀模型應(yīng)用于肺區(qū)分割算法、高效準(zhǔn)確的 D

3、oG斑點(diǎn)檢測(cè)算法以及采用改進(jìn)的支持向量機(jī)的肺結(jié)節(jié)分類識(shí)別算法,取得了比較好的效果。本文的主要貢獻(xiàn)如下:
　　(1)提出了一種全自動(dòng)的改進(jìn)活動(dòng)形狀模型方法并運(yùn)用于肺區(qū)分割,不僅實(shí)現(xiàn)了肺區(qū)分割的全自動(dòng)化,還得到了更加精確的分割效果,加快了分割速度。
　　(2)通過實(shí)驗(yàn)對(duì)比了多種檢測(cè)斑點(diǎn)的算法,最終結(jié)合多尺度框架和DoG算子檢測(cè)斑點(diǎn)來(lái)識(shí)別疑似結(jié)節(jié)區(qū)域,實(shí)現(xiàn)了效率高精度高的斑點(diǎn)檢測(cè)。
　　(3)特征提取方面,根據(jù)肺結(jié)節(jié)在胸片上

4、顯示的特點(diǎn),在疑似結(jié)節(jié)區(qū)域上提取了位置特征、尺度特征、灰度統(tǒng)計(jì)特征和差異特征、基于灰度共生矩陣的紋理特征、以及分別基于Hessian矩陣和多尺度高斯微分濾波器組的紋理特征。然后對(duì)傳統(tǒng)的F-score算法加以改進(jìn)并進(jìn)行了有效的特征選擇。
　　(4)針對(duì)訓(xùn)練集正負(fù)樣本數(shù)量不平衡且差異較大造成分類器分類面偏移的問題,本文通過從數(shù)據(jù)處理和算法改進(jìn)兩個(gè)方面出發(fā)進(jìn)行探索。最終通過實(shí)驗(yàn)證明,結(jié)合平衡因子與核函數(shù)乘積特征融合的支持向量機(jī)算法的識(shí)別